“你的模型準麼？”

“你的模型真的有用麼？”

“你的模型對風控有價值麼？”

在為P2P公司建立風控評分模型過程中，這是最常見的問題。為了回答這一問題，我們想先討論下如何從實際業務出發，以怎樣的開發流程才能建立一個有效、有用、有價值的模型，希望讀後能給你一定的啟發。

在網際網路金融風控體系中，量化分析需要貫穿始終，評分卡模型是其中非常重要的一環。

在網際網路金融評分卡開發過程中，我們仔細研究了企業風控操作流程，反覆推敲了模型構建步驟，最後我們認為從業務應用角度，評分卡開發應用應遵循：

業務定義 -> 風險定義-> 風險分解 -> 風險策略 這幾個步驟。

業務定義

為什麼把業務定義放在最底層呢？

從商務智慧的角度說，模型，評分，策略等都是為業務服務的，脫離了業務場景的模型和評分是無本之木，無源之水;脫離了業務場景談模型的準確性，沒有意義。

不同的業務場景，產生了不同的資料，不同的資料包含的規律，體現在資料分析中就是不同的模型、不同的引數和不同的評分。

比如，同樣是網上的個人信用貸款，主要包含個人和企業主兩大類客群。在中國，由於小微企業貸款困難，如果小微企業有了貸款需求，一般都是企業主以個人名義在網上貸款，但是這類客戶顯然是和普通個人信用貸款客戶是不同的，所以這類客戶的屬性資訊一般都包含了一些企業的資訊，如資產，對公、對私流水等等。我們在做模型的時候，就會把他們分開：個人消費信貸模型和企業主信貸模型，企業主模型會包含一些反應小微企業財務狀況的變數。

但是網際網路金融所包含的業務種類遠不止這兩個，單純的信用貸款類，就有專門放貸給學生的學生貸；在朋友圈之內貸款的朋友貸；給外企白領貸款的白領貸……

如果你拿學生貸的模型給農民貸客戶來用，或者拿給上海白領開發的模型給甘肅、西藏的白領用會怎麼樣呢？ 我不說你也明白了。

業務定義之後，還有一個要求，即業務模式的穩定性。即在一定時間範圍內，用於構建模型的資料依賴的業務模式是相對沒有變化的，前後一致的。只有滿足這個條件，歷史資料模擬出來的模型，和後面的資料才是匹配的。這在學術上有個術語，穩定性，Stationary/stability.

同理，我們也假設，符合同一類屬性特徵的個體，其表現行為也是一樣的，即打分相同的人，表現也相同。這也回答了有人提出的另一個問題“我以前從沒貸過款，也沒信用卡消費記錄，能用你的模型打分麼？”
 

風險定義

簡單地說就是判定哪些是好客戶，哪些是壞客戶。

網際網路金融業務模式的多樣性，導致了對好客戶和壞客戶的定義標準也不盡相同。 這裡有人會問：“怎麼會呢？欠錢不還的不就是壞客戶麼。”好吧，我來舉個例子。

在我們清洗資料的時候，看到對客戶信用評價中有這麼一類“少量逾期”，這個類別佔了相當大的比重，而且在模型中作用也比較顯著，和其它類別“信用好”“信用差”等比肩。

一開始我們的技術人員對這個“少量逾期”這個分類很疑惑，不能理解這個分類到底是好還是壞。直到我們和某P2P公司的風控經理實際交流後才明白這其中的含義。宋總說:“……在傳統銀行信用卡業務中，是很喜歡這類少量逾期的客戶的，因為他們能給銀行創造罰息，但是又不是惡意違約那種客戶。但對於我們P2P公司來說，是不敢養這類客戶的,一旦有了逾期情況，就必須馬上採取措施……”

說到這裡您可以明白了吧，“少量逾期”是傳統銀行信用卡業務中經常出現的一個分類，而且算一個銀行比較喜歡的類別，但是你把它也用到網際網路金融試試？
 

風險分解

風險分解，就是用模型把目標客戶分類。我們舉個例子：

某跨國IT北京研發的總裁，提到發生在自己身上的案例：由於家裡有急事，臨時用錢，想申請某行的信用卡多給5萬額度，但是某行不批。為什麼呢? 因為劉總用這個卡主要是發工資的，每月到賬後，夫人就會把錢拿去購買理財產品。因此卡上一般沒多少錢。但是劉總是不是高風險客戶呢？

顯然，依據某行簡單的分類方法，劉總被劃為不能多給5萬額度的類別了。長此以往，類似劉總這類高質量、低風險客戶就有可能流失。

因此，選擇正確的方法，合理分類，才能為進一步採取合理的商業策略提供正確有力的資料支援。評分卡是其中一個比較有效的工具。

在信用風險管理領域，評分卡是簡便易行的風險管理工具。

什麼是評分卡？

評分卡是綜合個人客戶的多個維度資訊（如基本情況、償債能力、信用狀況等，重點關注償債能力、還款意願），基於這些資訊綜合運用數學分析模型，給個人綜合評分，判斷違約的可能性的工具。

生活中存在許多“顯性”或“隱性”的“評分卡”。

例如：選購汽車--綜合價格、油耗、安全係數、效能、外觀等來因素。-> 買？ 還是不買？

就分析方法發而言，現在分類演算法有很多種，決策樹，邏輯迴歸，支援向量機，神經網路等等，都可以實現這個目的。在以後的文章中，我們會詳細講解一下資料和模型的匹配性。資料決定了用什麼模型。
 

風險策略

在給客戶正確分類之後，即準確地風險分類。我們就可以採取相應的商務策略，優化業務：

- 流程簡化：通過模型對客戶分層，降低稽核人員的工作量，提高審批速度。

- 風控優化：以客觀分數代替主觀評斷，保證審批標準及風險偏好一致性。

- 風險定價：按照模型計算的違約率進行產品的定價。

以上是我們從業務角度談構建網際網路金融評分卡模型的結構，接下來的文章，我們還會分享從技術角度構建評分卡模型遇到的問題以及構建步驟。請大家點選專注我們的微信公眾賬號，與我們共同探討。